¡Hola! Hemos notado que no has hecho ninguna edición reciente en tu wiki este año. Este es un aviso de que tu wiki es elegible para ser eliminado. Haz clic en aquí para obtener más información sobre los criterios para la eliminación de wikis.
Regresión lineal, correspondiente al Capítulo 17 del libro
Tarea: Calcular
Martes 7 de Agosto[]
Transformación de modelos no-lineales a modelos lineales
Tarea: Calcular del modelo quadrático
Jueves 9 de Agosto[]
¿Porque igualar derivadas parciales a cero? (Para calcular el mínimo de )
Tarea: Implementar un código que resuelve el ejemplo de regresión lineal múltiple del libro,
Lunes 13 de Agosto[]
Ecuaciones normales
Multiplicaciones de matriz para el ejemplo
Deducir ecuación normal para unos modelos específicos
Tarea: Deducir ecuación normal para el caso general
Martes 14 de Agosto[]
Control sobre derivar ecuaciones normales
Exposición del método de Gauss-Newton
Tarea: Ejemplo para el método de Gauss-Newton
Jueves 16 de Agosto[]
"Repaso"
Lunes 20 de Agosto[]
Guía de Aprendizaje: Desarrollo punto 1: Sintaxis MATLAB
Introducción punto 2
Jueves 23 de Agosto[]
Revisión ejercicios 2 y 3
Demostración código MATLAB con variantes para el ejercicio 2
Introducción a ejercicio 3
Lunes 27 de Agosto[]
Desarrollo ejercicio 5
5-. AJUSTES DE CURVAS CON UNA FUNCION EXPONECIAL
Función
Tabla de valores
Muestra los valores de t(horas) que seran reemplazados en nuestra función, tomando asi los valores de P(t) (miles) que es el primer paso para formar nuestras ecuaciones lineales.
t(Horas)
0,5
1
2
3
4
P(t) (miles)
7
5,2
3,8
3,2
2,5
Ecuaciones lineales
Formación de ecuaciones lineales con sus respectivos valores, para proceder a formar nuestras matrices.
Forma Matricial
Muestra en forma de matriz nuestras ecuaciones lineales anteriores de la forma :
Ecuacion Normal
Para formar nuestra ecuacion normal debemos sacar la transpuesta de A.
Luego expresar de la manera :
Desarrollo caso puntual ejercicio, ajustar función Cuadrática con valores de función lineal.
Función
;
Puntos
Tabla de valores
i
Ti^2
f(x)
0
0
B
1
1
A+B
2
4
4A+B
3
9
9A+B
4
16
16A+B
5
25
25A+B
Ecuaciones lineales
Al interpretar nuestra tabla podemos deducir las ecuaciones que estan mas abajo.
Forma matricial
Al hallar las ecuaciones lineales, lo podemos expresar de la manera :
Ecuación normal
Matriz transpuesta de Z
Agregamos la matriz compuesta en los dos lados de la igualdad formamos la ecuacion normal que esta de la forma:
Entonces
Jueves 30 de Agosto[]
Explicación breve método de Newton y Gauss-Newton
Desarrollo ejercicio 4
Lunes 3 de Septiembre[]
Trabajo sobre ejercicios propuestos
Desarrollo ejercicio 7 de la guía de aprendizaje
Jueves 6 de Septiembre[]
Desarrollo de tareas propuestas
Espacio para dudas y preguntas
Lunes 10 de Septiembre[]
Ejemplo: , desarrollar 3 pasos con los métodos de bisección y de Newton, iteraciones hasta
algoritmo de la biseccion
solicitar valores x0, x1 // valores para el intervalo [a,b]
si f(x0)*f(x1)<0 entonces //cambio de signo para la f(x)
repetir:
calcular x = (x0+x1)/2
si f(x0)*f(x1)<0 //la raiz se encuentra en el 1er subintervalo [x0,x]
x1=x;
sino
x0=x;
mientras abs(f(x))>tolerancia //0.0001
mostrar x // raiz
sino
mensaje: no hay cambio de signo.
Tarea: Dado
Martes 11 de Septiembre[]
Deducir el método de Newton de la siguiente manera: Aproximar por una función lineal con , luego calcular el cero de la función lineal:
Ejemplo
Tarea: Dado realizar 3 pasos de iteración utilizando (a) el método de Newton (b) el método de bisección.
Jueves 13 de Septiembre[]
TEMARIO:
Control sorpresa: método de bisección y de Newton
Deducción del método de Newton por serie de Taylor; también para sistemas, utilizando notación matricial
Tarea: Ver desarrollo / ejemplos del libro
Requisitos para la Unidad: (Conocimientos Previos.)
Método De Bisección:
Para encontrar una solución a un dada f en un intervalo [a, b], donde y poseen signos opuestos de esta manera lograremos operar a la manera de razonamiento deductivo para implementar el Método de Bisección.
Definiendo el algoritmo racional de la siguiente manera:
Entrada: extremos y ; tolerancia TOL; número máximo de iteraciones ;
Salida: solución aproximada p ó mensaje de fracaso.
si no, tomar (calcular );
Paso 7:SALIDA ("El método fracasó después de No iteraciones, = ", );
(procedimiento completado sin éxito); PARAR.
Entonces como ejemplo podemos operar frente a una función como la siguiente:
(Implemantación MatLAB)
%Definimos la funcion Biseccion
%a la cual le necesita de los parametros solicitados
function raiz =biseccion(fun,a,b,tol)
%tol = tolerancia
f=inline(fun);
if f(a)*f(b)<0 %cambio de signo
x=a;
while abs(f(x))>tol
x=(a+b)/2;
if f(a)*f(b)<0
b=x;
else
a=x;
end
end
raiz=x;
else
raiz = 'No hay cambio de signo.'
end
%hacer empleo de este codigo desde la consola de MatLAB
%guardar con nombre que otorge usted ej: m_biseccion.m
(Ejecución del codigo)
>> m_biseccion('x^2 - 2', 1,2,0.0001);
ans = 1.4142
Método de Newton:
La aplicación de este método es a razón de la busqueda de resoluciones de sistemas de ecuaciones no lineales, teniendo encuenta que dicho sistema posee ecuaciones con incognitas presentado por:
teniendo en cuenta lo anterior y el indice de error estipulado a precisión y , un valor máximo de iteraciones posibles (maxiter) y un vector con el cual iniciar el procedimiento
INICIO ALGORITMO:
iteración
Mientras (( iteración < maxiter) y (( tolx > ) o ((tolf > ), hacer
..........Evaluar la matriz []
..........Resolver el sistema de ecuaciones lineales: []
..........Si (el sistema no puede resolverse) entonces:..................Escribir mensaje de error (Jacobiana singular) y
..................Finalizar el proceso
..........Si no:
.....................
.....................
.....................
......................iteración iteración + 1
..........Fin condición.
Fin Mientras condicional
Si (() y () entonces:
...........Tomar x como solución.
si no:
...........Escribir un mensaje de error en el proceso de cálculo.
Fin condición.
Fin del Algoritmo.
NOTA: A la matriz [], por analog´ıa con lo que representa la derivada
de una función, se la denomina en algunos textos en lugar de matriz jacobiana, matriz tangente.
( demostración MatLAB)
% Definir x como función vectorial
x=[0; 0]; % limite [0; 5]
x=[1; 1]; % converge a [6.2832; -34.4784], pero
x=[3.2; -5]; % parece ser cerca al un mínimo de norm(f)
% al fin converge a [0; 5], pero necesita muchas más iteraciones
x=[1; 1];
X=[x];
for i=1:70
f=[x(2)*sin(x(1)) - x(1)*exp(x(2)); x(1)^2+x(2)-5]
J=[x(2)*cos(x(1))-exp(x(2)) sin(x(2))-x(1)*exp(x(2)) ; 2*x(1) 1]
dx=-J\f % resuelve el sistema de ecuaciones lineales J*dx=-f
x=x+dx;
X=[X x];
end
% aproximación en plano x1-x2
figure(2); plot(X(1,:), X(2,:),'kx-'); hold on;
xstar=X(:,end); plot(xstar(1),xstar(2),'ro')
xlabel('x_1'); ylabel('x_2'); zlabel('|| f ||')
% figura con errores
xstar=[0; 5]; % una solución exacta
[M N]=size(X);
E=sum((X-xstar*ones(1,N)).^2);
figure(5); semilogy(E,'kx')
% Matriz Jacobiana aproximada por differencias finitas
h=0.01;
h=sqrt(eps)
x(1)=x(1)+h
fmas1=[x(2)*sin(x(1)) - x(1)*exp(x(2)); x(1)^2+x(2)-5]
x(1)=x(1)-h; x(2)=x(2)+h;
fmas2=[x(2)*sin(x(1)) - x(1)*exp(x(2)); x(1)^2+x(2)-5]
Df1=(fmas1-f)/h
Df2=(fmas2-f)/h
Japprox=[Df1 Df2]
% Visualizar lineas de nivel
[X1 X2]=meshgrid(-9:0.1:9, -9:0.1:9);
% F=[X2.*sin(X1) - X1.*exp(X2); X1.^2+X2-5];
F=(X2.*sin(X1) - X1.*exp(X2)).^2 + (X1.^2+X2-5).^2;
F=log(F);
% figure(2); mesh(X1,X2,F)
figure(3); contour(X1,X2,F)
view(30,20)
%empledo directo en la consola MATLAB
Deducción del Método de Newton a partir de de Serie de Taylor:
Serie de Taylor:
Si admite una representacion en serie de potencias convergentes a entonces:
y
extendiendo la Serie obtenemos:
teniendo , se denomina Serie de Maclaurin.
Conocido esto la Serie de Taylor queda definida como:
Deducción del Método de Newton por medio de la Serie de Taylor.
Entonces para introducir el método de Newton, supongamos que f es continuamente difereciable 2 veces en el intervalo [a,b], o sea . Sea una aproximación a la raiz tal que y es pequeño, Consideramos el polinomio de Taylor de primer grado para alrededor de .
,
donde está entre y como
Entonces el método de Newton se deriva suponiendo que el término es despreciable y que:
,
despejando de esta ecuación resulta:
Lo cual implica ser una mejor aproximación a p que .
Entonce el Método de Newton implica el generar la suceción definida por:
,
Lunes 24 de Septiembre[]
Prueba1:
1)
ptos ti = 2( i - 2), i=0,1,....4
=
2)
Forma matricial:
=
Martes 25 de Septiembre[]
Trabajo en hoja "prueba test"
Obstáculo: Confundir los métodos, por ejemplo cuando se piede la "linealización" (acerca de un punto) unas veces se aplica una transformación de la función completa, por ejemplo al tomar el logaritmo en ambos lados.
Prueba Test.
1.Linealización.
Dada la función
Determinar una función lineal que corresponde a la tangente del gráfico por un punto
Solución:
linealización función
a)
b) buscamos los ceros de la linealización
Deducción del método de Newton
Fijando determinar el caso de la función por ej:
a)
b)
2.Ecuaciones normales.
Dado el sistema sobredeterminado
Determinar n:
Determinar el sistema de ecuaciones normales.
Solución:
3. Otro ajuste de curvas.
Dado los puntos
Jueves 27 de Septiembre[]
Revisión de prueba 1
Obstáculos en pregunta 1: Distinguir datos y modelo; calcular datos
en función de un índice; formular modelo para "función quadrática"
Obstáculos en pregunta 2: Reconocer que la linealidad del modelo consiste en ser lineal en sus parámetros
Obstáculos en pregunta 3: Método de bisección: condición de invariante no se cumplio en el intervalo dado, entonces no hay un cero dentro el intervalo, entonces hay que reajustar el intervalo. - Método de Newton: Algoritmo mismo parece fácil
Lunes 1 de Octubre[]
"Prueba test", linealización: Obstáculo que casi ningún recuerde el concepto de "linealización". Unos encontraron lo correspondiente en el cuaderno (por inasistencia en la respectiva clase)
Martes 2 de Octubre[]
Trabajo autónomo de 1 hora en "prueba test"
Obstáculo que falta el "ánimo de calcular"
Jueves 4 de Octubre[]
Sistemas de ecuaciones no-lineales
Método de iteración de punto fijo; método de Newton
Tarea: Ejemplo (Ver problemas por ejemplo 6.12, 6.13)
Lunes 8 de Octubre[]
Control 3: Método de Newton para 2 ecuaciones no-lineales, distancia mínima de 2 funciones
Solución del control
Martes 9 de Octubre[]
Diagnóstico: Dominio de funciones
Mínimo de dos funciones
Jueves 11 de Octubre[]
Revisión diagnóstico dominio
Martes 16 de Octubre[]
Sistema no-lineal sobre-determinado. Obstáculo: Saber derivar con respecto a x, y
Tarea: Ajuste no-lineal con función logística
Jueves 18 de Octubre[]
Integración: Regla del trapecio
Ejercicio: Calcular cuando lineal
Obstáculo: Ánimo de calcular
Tarea: Simplificar el cálculo al anticipar el resultado
Lunes 22 de Octubr[]
Regla de Simpson
Calcular
cuando quadrático y con
Conceptos: "Nodos" y "ponderaciones"
Tarea: Encontrar ponderaciones para el caso de nodos no equidistantes
Martes 23 de Octubre[]
Reglas de trapecio y Simpson: Aplicación múltiple
Jueves 25 de Octubre[]
Integración Numérica
Nodos x0, x1, x2
Ponderaciones p0, p1, p2
Ejercicio: Dado los nodos x0=0, x1= x2=1, encontrar ponderaciones p0, p1, p2 tal que la ecuacion (*), es decir sea valida si f es una funcion cuadratica, es decir .
Paso 1: Calcular (Lado Izquierdo)
Paso 2: Calcular
Comparar Ambos Lados
Paso 1: .
Paso 2: .
Paso 3: .
Esta ecuacion debe ser valida para cualquier seleccion del triple de parametros (a, b, c), en particular para (a, b, c) = (1,0,0),(0,1,0),(0,0,1).
Entonces tenemos 3 ecuaciones con 3 variables: p0, p1, p2.
Lunes 29 de Octubre[]
Prueba 2
Martes 30 de Octubre[]
Control con variantes de preguntas de la prueba 2
Lunes 5 de Noviembre[]
Optimización: Ajuste no-lineal con función logística: Exposición de desarrollo completo
Tarea de implementación (preferentemente hasta jueves)
Martes 6 de Noviembre[]
Ejercicio: especificación de la matrix de
Obstáculos generales en primera instancia: Entender los apuntes, uso de notación matricial en contexto, entender los fundamentos de cada paso en el desarrollo del algorítmo, falta de disponibilidad de revisar los apuntes después de las clases. Reconocer el significado de símbolos y su mutua relación cuando se piede la especificación del ejemplo.
Obstáculos específicos en segunda instancia: Simplificar lo más posible, por ejemplo al aplicar regla de producto
Jueves 8 de Noviembre[]
Control: Ajuste no-lineal de curvas, ahora con función exponencial
Lunes 12 de Noviembre[]
Minimizar función escalar: Repaso del método de Newton
Martes 13 de Noviembre[]
Control: Minimizar función escalar
Jueves 15 de Noviembre[]
suspensión de clases presenciales
Lunes 19 de Noviembre[]
Minimización
Ejemplo (Modelo de Rosenbrock)
Método de Newton: deducción del algorítmo
seudocódigo de implementación
exposición pauta informe ajuste no-lineal & acta
Tarea: Perfeccionar seudocódigo, extender seudocódigo a ajuste no-lineal